学习机器学习（一）

机器学习中的一些基本概念：

       1.机器学习就是在计算机上用数据产生模型的算法.

       2.机器学习的目的是使通过学习得到的模型适用于新样本，而学得的模型适用于新样本的能力被称为泛化能力，泛化能力越强，越能很好的适应整个样本空间，即对整个空间能够有很好的识别精度。

       3.机器学习要从数据中找到规律，数据是由一个个特征向量组成，m个数据集可以表示为D={ X1，X2，···，Xm}，每一个数据Xi(m>= i >=1)都是d（d>=1）维的向量， Xi可以表示为 Xi={Xi1，Xi2，···，Xid},Xij表示的是第i个样本的第j个属性的取值。

       4.归纳：从具体事实总结一般性规律的过程。演绎：从一般性规律到特殊化的过程。

       5.没有免费的午餐定理：无论学习算法a有多优秀，而学习算法b有多笨拙，其实他们的期望性能是相同的。也就是说我们讨论一个具体问题的时候，得到的算法a可能比算法b更好，但是我们讨论另外一个具体问题的时候，算法a可能会比算法b更差。脱离具体问题而去讨论什么算法更好是毫无意义的。